がんの予後予測は病期分類（TNM）が基軸だが、同じ病期でも転帰は大きく分かれる。臨床・病理・検査・経過を束ねて「病期では捉えきれない予後の軸」を解明し、しかも解釈可能な形で取り出した日本語の公開研究は乏しい。
多面的データ（臨床＋病理所見＋検査＋治療経過）を表現学習＋生存時間モデルで統合すれば、(1)同一病期内で予後が分かれる潜在サブタイプを教師なしに発見でき、(2)各サブタイプを駆動する解釈可能な軸を取り出せ、(3)既存の病期に上乗せの予後情報を定量化できる、と仮説。「発見＋解釈＋病期への上乗せ」を日本語臨床で示す設計は新規。
予後は多面・非線形・打ち切り（検閲）を含む高次元の生存問題で、単変量や単純なリスク表では潜在構造を取り出せない。表現学習＋生存解析＋クラスタリング＋説明性でしか、隠れたサブタイプと駆動因子を同時に解明できない。
同一病期内の予後サブタイプ＋駆動因子マップ＝学会発表・論文。加えて医学生・研修医向けに「病期が同じでも予後が分かれる理由」を可視化する教材。Hiroはがんの病期・予後を学ぶ医学生＝当事者で、初学者の「なぜ」を内側から設計できる。